利用提升动态联结树回答后见查询
人工智能
2018-07-05 v1
摘要
提升动态联结树算法（LDJT）通过构建并复用知识库的一阶簇表示以服务多个查询与时间步，高效回答概率关系时间模型的滤波与预测查询。我们拓展 LDJT 以（i）通过引入高效反向传递解决平滑推断问题来回答后见查询，并（ii）讨论在反向传递期间实例化一阶簇表示的不同选项。此外，我们的关系前向反向算法使指向最初始时刻的后见查询成为可能。LDJT 回答多个时间查询快于在展开模型上执行、于消息传递中进行平滑的静态提升联结树算法。
引用
@article{arxiv.1807.01586,
title = {Answering Hindsight Queries with Lifted Dynamic Junction Trees},
author = {Marcel Gehrke and Tanya Braun and Ralf Möller},
journal= {arXiv preprint arXiv:1807.01586},
year = {2018}
}
备注
Accepted at the Eighth International Workshop on Statistical Relational AI. arXiv admin note: substantial text overlap with arXiv:1807.00744